Andrew Reader arbeitet am renommierten King's College in London. Dort beschäftigt er sich mit einem medizinischen Bildgebungsverfahren – mit PET, der Positronen-Emissions-Tomographie.

"Es wird ein radioaktiver Marker in den Körper injiziert, zum Beispiel ein radioaktiver Zucker. Der reichert sich in Tumoren an. Dadurch lässt sich Krebs erkennen oder der Erfolg einer Krebsbehandlung überwachen."

Wenn die radioaktiven Marker, von denen der gelernte Physiker spricht, zerfallen, senden sie ein Positron aus, ein winziges Teilchen. Das kommt nicht weit, denn es stößt mit dem nächstbesten Elektron zusammen. Dabei werden zwei Gammaquanten ausgestrahlt, zwei energiereiche Lichtteilchen, beide in genau entgegengesetzte Richtungen.

"Sie fliegen aus dem Körper heraus. Und die Detektoren eines PET-Scanners können diese Strahlung auffangen und erkennen."

Um die Messwerte in eine für Mediziner hilfreiche Aufnahme umzuwandeln, braucht es allerdings eine aufwändige Bildrekonstruktion per Computer. Genau hier setzt Andrew Reader an:

"Was wir erreichen wollen, ist weniger Radioaktivität in den Körper zu injizieren. Das bedeutet aber auch, dass weniger Gammastrahlung entsteht, wir also mit weniger Messdaten auskommen müssen."

Die Preisfrage: Wie lässt sich die Bildrekonstruktion so verbessern, dass sie auch mit weniger Messdaten noch gute Bilder liefert, also mit weniger radioaktivem Marker? Reader und sein Team setzen auf Künstliche Intelligenz. Bei der herkömmlichen Bildrekonstruktion modelliert der Computer möglichst genau jene physikalischen Prozesse, die die Emission und die Aufnahme der Gammastrahlung prägen. Anders bei der KI: Sie wird mit Abertausenden von PET-Aufnahmen trainiert und bringt sich dabei nach und nach selber bei, wie das Bild zu einem bestimmten Datensatz aussieht. Doch ganz alleine lassen die Fachleute ihre KI nicht:

"Eine konventionelle KI müsste den gesamten Lernprozess selber übernehmen. Wir aber wissen, dass es bestimmte physikalische Gesetze gibt – zum Beispiel, dass die beiden Gammablitze, die beim Zerfall des Markers entstehen, stets in die entgegengesetzte Richtung davonfliegen. Dieses Vorwissen bringen wir in den Algorithmus ein. Dadurch wird die KI zuverlässiger und braucht nicht so viele Trainingsdaten."

Bislang haben die Fachleute das Verfahren an alten Datensätzen getestet, mit beeindruckendem Resultat: Um die PET-Bilder zu erzeugen, benötigte die KI nur ein Viertel der üblicherweise nötigen Messdaten. Und da geht noch mehr.

"Unser Ziel ist es, die Dosis bis auf ein Prozent des heutigen Werts zu drücken. Statt der heute 5 bis 10 Millisievert für eine PET-Untersuchung wären das nur noch 0,1 Millisievert. Diese Dosis entspricht einem Flug von Europa nach Kalifornien."

Alternativ könnte das KI-Verfahren die Bildaufnahme beschleunigen, zum Teil dauert sie heute länger als eine halbe Stunde. Ebenso denkbar ist, Aufnahmedauer und Dosis auf dem heutigen Stand zu belassen, dafür aber schärfere Bilder zu erhalten, auf denen die Details besser zu erkennen sind, sagt Andrew Reader – und glaubt, dass die Methode recht bald einsatzreif ist, zumindest im Prinzip.

"Ich hoffe, dass es in zwei bis drei Jahren soweit ist. Allerdings dauert es in der Medizin dann oft noch eine Zeit, bis es eine neue Methode in die Praxis schafft. Und das ist ja auch beruhigend, schließlich möchte man sich auf diese Methode ja auch wirklich verlassen können. Aber die Sache läuft, und wir werden sehen."